基于视觉特性的分形图像压缩编码

介绍了分形的基本概念及分形的数学原理，并针对传统的分形图像压缩编码算法的不足之处，提出了一种基于视觉特性的分形压缩算法，该方法利用人眼对灰度变化的敏感程度与背景有关的特点，在综合考虑图像块的均值与方差的前提下，动态地改变分形压编码时定义域块仿射变换后拼贴到值域块的最小误差，从而提高了编码速度。     

一种改进的分形图像压缩算法

为了提高分形图像压缩编码的速度,针对在基本分形图像压缩算法中值域块编码匹配搜索时需要对变换后的定义域块一一对应,导致编码时间较长的缺点,提出了一种基于菱形搜索算法的分形图像压缩编码新算法.菱形搜索算法是一种运动估计的快速搜索算法,主要过程是在所有的候选块中搜索当前块的最优匹配块.通过运用菱形搜索算法中的大小菱形模板进行匹配搜索,实验证明文中算法在提高编码速度和降低编码复杂度是有效的.     

一种快速分形图像编码算法

目前,分形图像编码技术最主要的缺点仍然是编码时间太长.因此,如何提高分形图像编码速度成为当前分形图像编码技术的研究热点.本文从分形图像编码通用公式推导出一个不等式,利用此不等式,可以预先排除大量不可能与值域块匹配的定义域块,从而减少值域块与定义域块的匹配计算,以此达到缩短编码时间的目的.实验结果表明,在解码图像质量基本不变情况下,本文的方法所使用的编码时间比Fisher方案所需的编码时间减少了很多.     

一种改进的分形图像压缩算法

为了缩短分形编码时间,通过对图像定义域块和值域块的统计特性分析,提出了改进的分形压缩算法。设计最优匹配定义域块自适应搜索方法,缩短搜索范围;用值域块均值代替灰度偏移量,减少计算量。实验证明,运用这种改进的分形图像压缩算法进行图像压缩,在保持较高的解压图像质量的情况下,大幅缩短图像压缩编码时间。     

多级分类分形块编码

文中提出了多级分类分形块编码，在编码时，利用多级四叉树剖分方法，将图像块剖分成不同大小的平坦子块和非平坦子块，分别采用均值编码和分形编码。在对值域块进行分形编码时，为缩短分形编码时间，将值域块和定义域块分成７２类，并分别在同类进行仿射匹配，实验结果显示，多级分类分形块编码极大地缩短了编码时间，同时也提高了分形编码的压缩比。     

一种基于K-均值聚类优化的快速分形图像压缩算法

提出了一种基于K-均值聚类的快速分形图像压缩算法,对搜索窗中的父块和子块,根据其方差的不同,用K-均值聚类方法分别对子块和父块进行聚类,子块只对同一类中的父块进行匹配,从而大大缩短了编码时间。实验结果表明,与经典分形压缩算法相比,本文算法编码速度可提高5倍;同基于方差的快速分形压缩算法相比,本文算法也有明显的优势。     

利用数字压缩技术频域内积和方差的分形编码算法

文中定义了图像块的数字压缩技术(DCT)频域内积,并证明了该内积等于时域内积, 从而可根据频域内积大小来作为分形编码中最佳匹配块的判断,并推导出DCT域上恒等变换与其余7种对称变换的关系。本文将值域块分为平稳、中间和活跃三类,研究对于不同类型的值域块,求频域内积时,保留低频系数个数和解码图像质量之间的关系,并提出了基于DCT域内积和方差的分形图像编码算法。在实验中,将本文算法分别同文献[ 2 ]、[ 3 ]中方法进行了比较,结果表明,本文算法能在基本保证解码图像质量的同时,大大提高编码速度。     

一种时空域联合的SVC模式选择算法

本文提出了.一种适用于IInscaIe层问预测算法[6]的SVC(分级视频编码)模式选择方法.对于JSVM模型中的普通模式.利用了空间域宏块模式相关性减少候选模式;对于Inscale预测模式.利用了时间域宏块模式相关性减少候选模式.实验结果表明,新的模式选择算法的引入.能够有效地提升采用lnscale算法的JSVM模型的编码性能,大幅度减少编码时间.     

四线和特征的快速分形图像编码

分形图像编码具有压缩比高、解码速度快、重构图像质量高等特点,但因这种算法在编码时定义域的搜索量十分巨大,导致其计算复杂度高、编码时间过长,阻碍了它的实用性和普遍应用.为解决此问题,文中提出一种基于四线和特征值编码算法,该算法根据匹配均方根误差与四线和特征间的关系,将全局搜索转化为局部搜索(近邻搜索),限定搜索空间,减少定义域块的搜索,从而提高编码速度.仿真实验结果表明:该算法解码图像质量在客观上优于1 -范数特征算法;与基本分形编码算法相比,基于四线和特征算法在主观上不改变重构图像质量,但在编码速度上却得到极大提高.     

基于值域块邻域匹配的分形近似编码

本文提出了基于值域块邻域匹配的分形近似编码。它比Ｊａｃｑｕｉｎ的分形块编码的压缩比高，编码速度快，信噪比相近。对５１２×５１２“Ｌｅｎｎａ”图像实验结果表明：该分形编码压缩比可达到０．３６ｂｐｐ，峰值信噪比可达３１．２５ｄＢ，在ＰＣ４８６上，编码时间为２２７秒，解码时间为３８秒。     

一种基于方差的匹配方法

文章就分形图象压缩中搜索与匹配过程的相似性提出了一个经过不同对比度实现快速分形编码算法，基于序列块和主块之间当前最小象差的方差信息，该算法排除不必搜索的主块，这样大大减少了每个序列块进行搜索和匹配的主块数与相应的编码时间，该算法在减少的时间内生成了与常规满搜索近乎一致的分形编码。     

结合空洞可分离卷积的多尺度医学影像分割算法

传统U-Net语义分割模型在医学影像领域具有广泛的应用,但该模型的准确率受限于单一尺度的预测模式以及上下采样引起的信息丢失。针对上述问题,本文基于U-Net编码—解码架构以及空洞可分离卷积提出了一种高低层级信息丰富的多尺度医学影像语义分割算法,该算法由特征提取网络以及多尺度语义分割预测网络两部分构成。特征提取网络使用空洞可分离卷积和类残差块分别替换原U-Net中上、下采样以及卷积块,在增加感受野的同时使信息得到最大化的保留;提出一个通道注意力机制,强化目标核心特征的表达以及无关背景区域的抑制;在多尺度上挖掘带有图像级全局上下文的卷积特征,进一步提高分割性能。本文在采集的胚胎以及DRIVE数据集上进行仿真实验,其结果表明,与U-Net及其衍生模型相比该方法具有更高的准确率和鲁棒性。     

基于视频的人脸检测算法研究

针对传统AdaBoost算法在视频中检测人脸误检率较高的问题,文中提出了一种结合运动分析和肤色检验的改进型人脸检测算法。该方法通过运动检测来提取运动前景,并选择肤色模型对人脸肤色进行相似度求取,利用几何特征进一步缩小检测范围;采用增加新Haar特征和改进权重更新方式的改进型AdaBoost算法对人脸候选区域进行实时检测。实验结果表明,与传统AdaBoost方法和增加肤色检验的AdaBoost方法相比,该方法的误检率分别降低了18.68%和8.79%,检测时间则分别缩短约800 ms和250 ms。     

复杂彩色图像中的文本定位

针对复杂彩色图像中文本的特征,提出了利用一组级联弱分类器甄别文本区域的算法。首先根据文本块的边缘特征遴选出备选图像块,而后将其送入设计好的级联弱分类器,依次利用文本块特征、颜色信息、区域特征和字符笔画特征准则判断备选图像块是否包含文本。采用专用的文本定位比赛用图进行实验的结果表明,该方法运算简单,定位时间短,定位准确率可达到94.1%,召回率为85.9%。     

基于深度图像的H.264快速帧间模式选择算法

H.264编码标准的帧间模式选择算法采用全候选模式搜寻算法,为编码器带来了高运算复杂度。提出一种快速帧间模式选择算法,旨在降低H.264帧间编码的运算复杂度。算法利用深度图像信息从彩色图像中分割出背景区域和运动剧烈的区域,宏块根据所在的区域选择相应的编码策略,从而达到缩小候选模式范围,加快模式选择速度的目的。实验证明,该算法在图像质量基本不变的情况下编码时间平均节省23%以上。     

基于H.264待编码宏块纹理特性的快速搜索算法

为减小H.264帧间预测运动估计算法复杂度,提出了一种基于待编码宏块纹理特性以排除部分搜索位置的方法.该方法可以大大减少待搜索位置的数目,缩短帧间预测时间.同时给出了一种基于宏块纹理的自适应快速搜索算法.实验表明,新算法在重建图像质量没有明显下降的前提下,编码速度有所提高.     

Ship detection optimization method in SAR imagery based on multi-feature weighting

Aiming at the problem that the accuracy of traditional ship detection algorithms is not satisfying in complex scene with many false alarm targets,a ship detection optimization method in SAR imagery based on multi-feature weighting was proposed.Firstly,the marker-based watershed algorithm was employed to remove land from SAR amplitude image.Then,the CFAR algorithm based on log-normal distribution was used to obtain candidate targets from no land image.Furthermore,the length to width ratio,the ship area and the contrast ratio of the candidate targets were extracted.Finally,a variance coefficient method was proposed to distribute the weight of the three features,and the confidence levels were calculated by combining the normalized feature vectors of the candidate targets with the feature weight.By determining the best confidence level,false alarm targets among the candidate targets were removed to optimize ship detection results.In order to verify the proposed method,experiments were carried on with the GF-3 SAR images of different complex scenes.The experimental results show that the proposed method is feasible and effective.     

基于Boosted Cascade算法的人脸检测和跟踪系统

将基于Boosted Cascade的人脸检测算法运用到视频图像当中,并结合图像序列中的运动信息,提出并实现了一种实时的人脸检测跟踪系统.首先根据图像的运动信息提取出可能存在人脸的候选区域,然后在候选区域中用Boosted Cascade算法进行检测.实验结果表明该系统能够实时地对于人脸进行检测跟踪,可以被应用在智能视频监控方面.